دیپ مایند توانست انسان را در ورزش های آتاری انقراض دهد

مقاله های مرتبط:فهم بدلی دیپ مایند بالاتر از ۹۹/۹۸ درصد از بازیکنان استارکرافت ۲ قرار گرفتهوش مصنوعی دیپ مایند در ورزش های چندنفره هم انسان را ضعف می دهد

بازی های ویدیویی میسر روشی مناسب برای ارزیابی کارایی جهیز های هوش ساختگی است. بررسی عملکرد این سیستم ها با امتیازدهی مدل موفقیت آن ها ممکن می شود. دیپ مایند آلفابت ۵۷ بازی خصوصی آتاری را بخاطر سنجش هوش مصنوعی خود به حکم برده و با امتیازدهی، آن را با یک ورزشکار متوسط انسانی مقایسه کرده است. آخرین جهیز این شرکت، Agent57، عملکردی با فرق بسیار نسبت بوسیله سیستم های سابق از خویشتن علامت داده و نخستین جهیز فهم بدلی بوده که توانسته از آدم عملکرد بهتری به جای بگذارد. به طور دقیق تر، Agent57 عملکرد خارق العاده ای در بازی های Pitfall, Montezuma’s Revenge, Solaris and Skiing از خویشتن نشان داده است. این بازی ها چالش بزرگی برای سایر سیستم های هوش مصنوعی بوده اند.

مقابل دیدگاه تکنولوژی ریویو MIT، ورزش های Pitfall و Montezuma’s Revenge نیاز به امتحان بیشتری برای هوش تقلبی دارند. تو عین حال ورزش های Solaris و Skiing برای سیستم های هوش مصنوعی رشوارند زیرا مولفه های پیروزی ناچیز بوده و هوش تقلبی نمی داند که حرکاتش درون طولانی مدت منجر بوسیله پیروزی خواهد شد یا خیر.

تکنولوژی ریویو به این نکته اشاره می نرم که اگرچه این نتایج درخشان هستند ولی هوش تقلبی هنوز راه درازی در پیش دارد. این سیستم ها عزب از پس یک ورزش در یک زمان برمی آیند.

انعطاف پذیری که نوزاد آدم از آن نصیب مند است هنوز بسیار فراتر از سیستم های درک قدر یا بهای چیزی مصنوعی فعلی است.

هوش قلابی غصه زمان حال در صنایع مورد مصرف بوده و به کارگیری تجربیات Agent57 می تواند منجر به گشایش عملکرد این جهیز ها شود؛ حتی با وجود اینکه این جهیز ها هنوز بوسیله اندازه انسان توانمند نیستند.بیشتر بخوانید:Mixer بوسیله گیمرهای فعال در پلتفرم خود صد دلار معاون نقدی می کندپیشی گرفتن پلتفرم Mixer از رویت تعداد استیمر از سرو های استریم یوتیوب و فیسبوک گیمینگگوگل برای بهبود کیفیت نوا در Duo از یادگیری ماشین معاون می گیرددیسکورد چیست و آیا فقط بوسیله کار گیمرها می آید؟افزایش مقدار سهام آلفابت تو پی تمجید ترامپ از گوگل

افتتاح اولین سرویس تاکسی خودران هوایی دنیا در نیوزیلند

شهرهای پرجمعیت و پیشرفته ی امروزی درگیر تراکم از مشکلات ترافیکی هستند. محموله و نقل هوایی در شهری به نشانی اسلوب محلول صنعت نوپا اما آینده دار به عزیمت کاستن از پیچیدگی های ترافیکی شهرها شناخته می شود؛ به همین منظور، مانور ی مشارکت های پیشرو اعم از ایرباس و بوئینگ و تویوتا تا دسته های کوچک مهندسی از جای جای دنیا تو رسیدن به طرحی اجرایی دراین اساس را گواه هستیم.مقاله های مرتبط:هیوندای از هواپیمای عمودپرواز بخاطر تاکسی هوایی رونمایی کرداسنپ درصدد سیاق اندازی تاکسی آسمانی است

درون سال ۲۰۱۷، دولت نیوزیلند با هدف به صفررساندن تولید آلاینده های کربنی خود تا سال ۲۰۵۰، با امضای تفاهم مجله ای با شریک شدن ویسک (Wisk) بوسیله منظور ساخت پرنده ی خودران عمودپرواز الکتریکی (eVTOL) از شروع فعالیت خویشتن درون این حوزه معارفه داده بود. ویسک شرکتی آمریکایی نیوزلندی فعال درزمینه ی حمل و نقل هوایی درون شهری محسوب می شود که با تنخواه گذاری مشترک بوئینگ و مجموعه ی کیتی هاوک (Kitty Hawk) شکل پژمرده است.

در سال ۲۰۱۸، ویسک پرنده ی دوسرنشینه ی خود، یعنی کورا (Cora) را معرفی کرد. در این پرنده که به قیافه ترکیبی از هواپیماهای مرسوم بال دار و مولتی روتورهای عمودپرواز طراحی شده است، ۱۲ سواری الکتریکی کوچک بوسیله منظور مجمع و برخاست به عارض عمودی و یک سواری الکتریکی بزرگ در قسمت عقب به منظور افزایش سرعت افقی درون رویت محزون شده است. پرواز این جت به مراتب ساکت تر از هلیکوپتر است؛ با این حال، به دلیل فردی های ایجادشده ی باتری ها، حداکثر برد پروازی این پرنده ۴۰ کیلومتر و حداکثر سرعتش به ۱۶۰ کیلومتر بر زمانه می رسد. همچنین، پشته پرواز کروز نیز حدود ۵۰۰ متر اعلام شده است.

تو بحث ایمنی، این پرنده از سه کامپیوتر کنترل پرواز به صورت جداگانه و یک چترنجات برای فرود آرام هواپیما در مواقع اضطراری بهره می برد. افزون براین، در مواقعی که پرنده نفس نشست یا برخاست در فراز کمتر از ۲۰ متر دچار نقص فنی شود، چترنجات نمی تواند از سرعت سقوط هواپیما بکاهد. تاکنون، هیچ یک از همکاری ها نحو حل مطمئن و ارزانی برای این سناریو ارائه نداده است. تاکسیهای پرنده قبل از اینکه به عنوان بخشی معمول از حمل و نقل شهری شناخته شوند، باید این دشوار را حل کنند.

هواپیمای Cora شرکت Wisk

گری گایسین، مدیرعامل ویسک، درادامه افزود:هواپیمای کورا تاکنون بیشتر از هزار پرواز بدون مشکل را ثبت کرده و موفق شده است از سازمان هوانوردی نیوزیلند (CCA) و راه اندازی ی هواپیمایی فدرال ایالات متحده (FAA) تأییدیه بگیرد. ما در حال مذاکره با CAA هستیم تا به رخساره رسمی مجوز اولین سرو تاکسی فلکی جهان را فاتحه تو نیوزیلند و سپس درون سایر کشورها گرفتن کنیم. محموله و نقل هوایی درون شهری صنعتی نوظهور و باارزش است و نیوزیلند به دلیل بهره گیری از اکوسیستم پیشرفته و مردمی بادانش یکی از کشورهای دوست داشتنی برای اول است. با نهایی شدن این اصلاح نامه، هواپیمای کورا اولین حمل و نقل هوایی مسافر در شهر کانتربوری نیوزیلند را آغاز می کند.

در حال حاضر، پروگرام ی زمانی مشخصی برای شروع رسمی فعالیت این شرکت اطلاع دادن نشده است. باتوجه به اینکه شهود تأییدیه های هواپیماهای تجاری امری متجاوز باطراوت و پرهزینه است، قدرت واکنش و جیب های پُرپول بوئینگ کمکی زیاد مبصر دراین بنیان برای ویسک محسوب می شود. همچنین، با درنظرگرفتن ساده تربودن قوانین ۱۱۵ گانه ی راه اندازی هوانوردی نیوزیلند، می توان انتظار داشت کورا بدون نیاز به پرداختن صدها میلیون دلار بخاطر دریافت مجوزهای کامل، فعالیت تجاری خود را آغاز نرم.

مطمئنا پرواز در مولتی موتور بدون خلبان اولین جنین تجربه ای بسیار تخصیص به فرد خواهد بود و خیز دل مسافران از شوق همراه با مقداری ترس بوسیله بیشترین معادل خویشتن می رسد. داخل انتها، شما را به تماشای ویدئو معرفی کردن و تصعید کورا دعوت می کنیم.

شما در باره ی تاکسی های هوایی چه خاطر می کنید؟ حاضرید با تاکسی هوایی بدون خلبان پرواز کنید؟ دیدگاه های خود را با ما و دیگر کاربران زومیت به اشتراک بگذارید.بیشتر بخوانید:حضور سه سرنشین در صندلی تعاقب تاکسی ممنوع استتسلا داخل حال آزمایش توان تشخیص چراغ هدایت و تقاطع اتوپایلوت استکاهش تمایل مردم به استفاده از سرویس های آنلاین التماس خودرو داخل پی شیوع کروناساخت یک سامانه ی شبیه ساز واقع گرا بوسیله دست محققان MIT برای آموزش خودروهای خودرانNHTSA قوانین استفاده از خودروهای خودران را به روزرسانی می کند

ساخت یک سامانه ی مانند ساز واقع گرا به دست محققان MIT برای آموزش خودروهای خودران

شبیهSGHAROOOON سازها سال ها است که برای آموزش رانندگان، خلبانان و فضانوردان مورد کاربرد قرار می گیرند و اکنون از آن ها برای آموزش خودروی خودران نیز استفاده می شود و سیستم جدیدی که توسط محققان انستیتو فناوری ماساچوست (MIT) ساخته شده، امیدبخش ترین تک کنونی است.

درسیستم شبیه سازی اختلاط و تبدیل تصویر مجازی برای خودمختاری (VISTA) خودروهای خودران مجبور نیستند مستقیماً هوشیار خیابان اصلی شوند. تو عوض آن ها می توانند از قانون دنیای مجازی ایجاد شده همراه با تعداد نامحدودی از امکانات امر دهی، حرکت کنند.

این طور فناوری به ویژه بخاطر شرایط خاص (edge case) مفید است؛ حوادث نادر مانند رخداد بالقوه یا مجبور شدن به تردد تو مسیرهای خارج از جاده یا آفرود از یکسره مواردی است که به آن شرایط خاص گفته می شود. در این شرایط، مفروضات کاملی از دنیای اصلی در دسترس زدودن تا خودروهای خودران بتوانند از آن ها به عنوان استاندارد آموزش مصرف کنند. تو داخل VISTA، این رویدادها می توانند با خیال اسایش تجربه شوند.

هنگامی که کنترلر خودروی عاری راننده در داخل شبیه سازی قرار می گیرد، فقط مجموعه داده های کوچکی از رانندگی واقعی آدم بوسیله آن داده می شود. کنترل کننده باید خویشتن بیاموزد که چگونه با خاطر مایه تسلی از نقطه ی A A به B برسد و برای مسافرت بیشتر جایزه می.

گیرد هنگامی که کنترلر خودروی خودران اشتباه کند، سیستم از آنچه با نشانی تحصیل استحکام کننده شناخته می شود، برای آموزش کنترلر خودروی خودران استفاده می یواش تا دفعه بعدی انتخاب بهتری داشته. باشد کنترلر به تدریج می تواند بدون تصادف بخاطر مدت طولانی رطوبت رانندگی.

کند الکساندر امینی، دانشجوی دکترای آزمایشگاه علوم کامپیوتر و هوش (مصنوعی) CSAIL دانشگاه MIT دراین بنیان می:گوید جمع آوری داده تو این موارد حاشیه نویسی (ای موارد) خاص که آدم ها در جاده تجربه نمی کنند، شاق. است با این حال، تو مثل سازی ما، سیستم های کنترل می توانند آن شرایط را تجربه کنند، خودشان بیاموزند که موافق آن شرایط گشایش یابند و هنگام استقرار روی وسایل نقلیه در واقعیت، کارا.

بمانند پیش از این از موتورهای مانند سازی بخاطر آمادگی و آموزش خودروهای خودران استفاده شده است؛ اما معمولاً اختلاف هایی بین دنیای مصنوعی شبیه سازی شده توسط هنرمندان و مهندسان بخاطر قرین ساز و دنیای واقعی تو خارج وجود.دارد مقاله های:مرتبط رانندگی با خودرو خودران باعث کاهش دانایی راننده می شودرقابت ایلان ماسک با همه مدعیان برای ساخت خودروهای

خودران تو مورد VISTA، قرین ساز توسط داده ها هدایت می شود؛ بنابراین عناصر جدید می توانند از داده های واقعی ترکیب. شوند از شبکه عصبی (حلقوی نوعی AI که معمولاً برای پردازش تصاویر استفاده می)شود ، بخاطر ترسیم عریضی ای سه بعدی و خلق نمایش فوتورئالیستی مصرف می شود که کنترل کننده ی خودروی خودران می تواند به آن پاسخ.

دهد سایر اشیاء متحرک درون صحنه، از جمله خودرو و افراد نیز می توانند توسط شبکه های تندخو مجهز به VISTA، ترسیم. شوند این نوعی تحول نسبت به مدل های آموزش سنتی است که یا از قوانین تعریف شده توسط انسان پیروی می کنند یا تکاپو می کنند از آنچه رانندگان انسانی انجام می دهند، تقلید.

کنند امینی می:گوید ما اساساً می گوییم، اینجا محیطی وجود. دارد شما می توانید هر كاری را كه می خواهید اجرا. دهید به وسایل نقلیه اصابت نکنید و داخل خطوط. 

بمانید به نظر می رسد که این فناوری در ارتکاب نیز خوب کار می کند؛ کنترلری که ۱۰،۰۰۰ (کیلومتر ۶،۲۱۴) مایل با VISTA آموزش دیده و روی خودروی خودران واقعی پیوند یافته بود، توانست با خیال اسودگی در خیابان های مسیری که قبلا ندیده بود، حرکت بطی ء و از موضع های تصادف (بالفعل مشابه خارج وجود داشتن نیمی از خودرو از) جاده سربلند بیرون. آید مرحله اینده در این سیستم، شناساندن پیچیدگی هایی متشابه آب وهوای بد یا رفتار نامنظم و متغیر توسط سایر عناصر موجود در صحنه.

است مقاله ای که بوسیله توضیح این جهیز می پردازد در نشریات رباتیک و اتوماسیون IEEE منتشر شده است و در کنفرانس بین المللی آینده در شالوده ی رباتیک و (اتوماسیون) ICRA نمایش خواهد.شد بیشتر:بخوانید NHTSA قوانین استفاده از خودروهای خودران را بوسیله روزرسانی می کندجیلی برای بهبود ویژگی خودران خودروها ماهواره تولید می کندخودروی مفهومی و خودران هیوندای پرافسی رونمایی شدموفقیت دانشمندان در برقراری ارتباط میان نورون های زیستی و مصنوعیجگوار لندرور پلتفرم مفهومی خودران وکتور را رونمایی

فیسبوک پخش و انتشار ویدئوهای دیپ فیک را ممنوع کرد

ویدئوها و تصاویر دیپ فیک با مشت کاری محتوا امکان انتشار محتوای لغزش و ساختگی را مهیا می یواش. همین موضوع موجب شده درون آستانه ی انتخابات ایالات متحده، فیسبوک برای توقف این ریختگی ویدئوها مشت به کار شود و پخش و انتشار ویدئوها و تصاویر دیپ فیک را ممنوع کند. فیسبوک تو وبلاگ خود نوشته است حذف محتواهای مشکوک و مشت کاری شده را نخست کرده است. همچنین محتواهای ویدئویی یا تصاویر نقشه کشی شده به کمک درک قدر یا بهای چیزی مصنوعی خواه الگوریتم های تحصیل سامان را از تمامی شبکه های اجتماعی خود حذف می کند. این محتواها ویدئوهای متلک و ویدئوهایی را دربرگیرنده نمی شود که کلمات آن حذف یا اصلاح شده است.  

این تحول سیاست پیش از کنفرانس ی کمیته ی انرژی و بازرگانی محفل نمایندگان ایالات متحده تو پیش گرفته شده و در آن، قرار است مونیکا بیکرت، مدیر سیاست گذاری بین المللی فیسبوک،  درمقابل نمایندگان باشگاه حاضر شود و درباره ی این ضابطه مصاحبت نرم.

ممنوعیت پخش و پاشیدن محتوای دیپ فیک زمانی مطرح شد که ویدئو مصنوعی از نانسی پلوسی، رئیس باشگاه نمایندگان آمریکا، درون فیسبوک بازنشر شد و کاملا شبیه به واقعیت وجود. پس از این اتفاق بسیاری اعلام کردند با وجود این ویدئوها، صحت اعلام کمپین های انتخاباتی دچار شک و تردید می شود. فیسبوک بابت گستردن این ویدئو بازخواست شد؛ ولی پاسخ مدیرانش این بود که پراکندن ویدئو مذکور با قوانین فیسبوک هماهنگ است.  

باوجوداین، تلاش ها به عاقبت رسیده و ممنوعیت پراکندن ویدئوهای دیپ فیک به فیسبوک آمده است؛ هرچند شامل حال ویدئو نانسی پلوسی نمی شود؛ چون گفته می شود ویدئو منتشرشده ازطریق ادراک جعلی مخلوق نشده است و تنها با چند یواش افزار ویرایش فیلم و با کنارهم چیدن خطبه های مختلف این سیاست مدار طراحی شده است.مقاله های مرتبط:ویدئویی از دیپ فیک که چهره ۲۰ هنرمند را به خوبی شبیه سازی می کنددیپ فیک چیست؛ وقتی مرزی بین حقیقت و دروغ باقی نمی ماند

ممنوعیت انتشار محتوای دیپ فیک فقط شامل حال فیسبوک نمی شود و سایر شرکت ها نیز اندک ناچیز در حال تنظیم قوانینی درباره ی منع پراکندن آن هستند. توییتر ازجمله شبکه های اجتماعی است که پیش از فیسبوک در سیاست های خویشتن برای مقابله با دیپ فیک بازنگری کرده حیات. ویدئوهای دیپ فیک تو انتخابات ریاست جمهوری ایالات متحده می تواند قسمت ساز باشد و به کمپین های تبلیغاتی برای پیدایش ویدئوهای جعلی و تخریب سایر نامزدها معاون نرم.

دیدگاه شما درباره ی دیپ فیک چیست؟ آیا باید نگران پاشیدن محتواهای دروغ درون شبکه های مدنی به دستیار هوش بدلی باشیم؟بیشتر بخوانید:فیس بوک محدودیت های جدیدی برای سرویس استریم حی خویشتن معرفی کردارسال اطلاعات بی عیب درباره کووید ۱۹ بخاطر یک میلیارد نفر از کاربران فیسبوک و اینستاگرامفیسبوک: مصیبت کرونا به کسب درآمد از تبلیغات ضربه ثقل زده استفیسبوک دستور دسترسی به حالت تاریک را به کاربران دسکتاپ دادچگونه از حریم خصوصی خود در اینستاگرام نگهداری کنیم؟

استارتاپ Groq اولین شتاب دهنده ادراک مصنوعی با قدرت یک PetaOPS را معرفی کرد

AاستارتاپGHAROOOON Groq یکی از همدستی های متعددی است که در حوزه ی تاسیس کارت های پیشدستی کردن دهنده ی هوش مصنوعی فعالیت می بطی ء. آن ها دومین بازیگر بازار محسوب می شوند و موفق به تولید اولین محصول با قابلیت انجام یک کوادریلیون عملیات در ثانیه شده اند. چنین عملکردی چهار موافق زورمند تر از قدرتمندترین کارت شتاب دهنده ی انویدیا است.

پردازنده های شتاب دهنده ی هوش قلابی که بوسیله اشتهار پردازنده ی استریم تنسور خواه TSP شناخته می شوند، رویکردی تقریبا متفاوت با پردازنده های عادی دارند. ثمر گراک، برای هر هسته ی پردازشی به ۳۰۰ وات نیرو نیاز دارد. البته این پردازنده مهیا بوسیله عزب یک هسته ی پردازشی است که گراک، آن را از یک نقطه ی ضعف، بوسیله بزرگ ترین مزیت رقابتی خود تبدیل کرد. به هرحال بخاطر درک ساختار TSP، باید هرچه از پردازنده های گرافیکی یا پردازنده های هوش مصنوعی می دانیم، بر بگذاریم. TSP یک قطعه ی سیلیکونی بزرگ محسوب می شود که تنها به واحد های پردازشی ماتریسی و برداری مجهز خواهد بود. هیچ گونه کنترلر یا ساختار Backend در این پردازنده ها وجود ندارد و کامپایلر، کنترل کامل را داخل مشت می گیرد.مقاله های مرتبط:بزرگترین تراشه دنیا، قلب تپنده ی زننده ترین رایانه شعور مصنوعی جهان می شودحکم رانی انویدیا در بازار رقابتی تراشه های درک قدر یا بهای چیزی مصنوعی

واحد پردازی TSP از ۲۰ واحد موسوم به Superlane تشکیل می شود که از چپ بوسیله راست، اینگونه هستند: واحد ماتریسی 320MAC، واحد سوئیچ، واحد ذهن ی ۵/۵ مگابایتی، واحد برداری 16ALU، واحد حافظه ی ۵/۵ مگابایتی، واحد سوئیچ، واحد ماتریسی 320MAC. با نگاهی به الگوی مذکور، متوجه آینه ای بودن جانمایی واحدها می شویم که درون گرداگرد واحد برداری طراحی شده اند. درنتیجه، سوپرلین ها به دو نیمه کره تقسیم می شوند که هرکدام توانایی عملکرد ول دارند.

سیلان دستورالعمل ها که در TSP عزب یک عدد است، به تمامی اجزاء تشکیل دهنده ی سوپرلین صفر وارد می شود. ۷ دستورالعمل برای واحدهای ماتریسی، ۱۴ رخصت بخاطر واحدهای سوئیچ، ۴۴ دستور برای واحدهای حافظ و ۱۶ دستور برای واحد برداری ارسال می شود. واحدها هر حرکت دورانی ی کلاک، عملیات خود را انجام می دهند و تکه های داده را بوسیله مدخل بعدی درون سوپرلین منتقل می کنند. هر قطعه، توانایی ارسال و قبض ۵۱۲ مگابایت داده از همسایه ی خود دارد.

وقتی عملیات سوپرلین کامل شود، همه ی نتایج بوسیله سوپرلین بعدی مربوط باینده نقل مکان و دستورالمل یا رویکرد بعدی از کنترل کننده ی دستورالعمل یا سوپرلین بالایی اخذ می شود. درواقع دستورالعمل ها همیشه به صورت عمودی بین سوپرلین ها جابه جا می شوند و داده تنها عزب به رخساره افقی در درون سوپرلین لول می یواش.واحدهای TSP تنها بخاطر آموزش شبکه های عصبی کاربرد دارند و وظیفه ی پردازشی دیگری انجام نمی دهند

جریان فعالیت TSP، آن را به پردازنده ای عالی بخاطر آموزش شبکه های عصبی و استنباط داده تبدیل می کند. همین روندها، هرگونه کارایی دیگر را از TSP ایجاب می کنند. بنچمارک های نخستین از شتاب دهنده ی گراک تو ResNet-50 مدال می دهند که این واحد پردازشی اقتدار عمل ۲۰،۴۰۰ استادی در نفس (I/S) S را دارد و تأثیر استنباط آن همچنین/۰ ۰۵ میلی ثانیه گزارش می.

شود پردازنده ی انویدیا تسلا V100 در ابعاد دسته ای ۱۲۸، توانایی انجام ۷،۹۰۷ استنباط در ثانیه دارد و درصورت مصرف از یک دسته، قدرت ۱،۱۵۶ استنباط داخل ثانیه خواهد. داشت البته تعداد قسمت قسمت کردن های پردازشی هیچ گاه به این اندازه کوچک نخواهد بود، اما به هرحال تنوع TSP را نشان می. دهد تأخیر در شتاب دهنده ی انویدیا تو حالت های بالا، ۱۶ و/۰ ۸۷ میلی ثانیه گزارش می. شود نتایج بالا نشان می دهند که ثمر گراک، با فاصله ی برازنده توجهی رقیب شبیه بوسیله خود از انویدیا را شکست می.دهد Groq TSPNvidia Tesla V100Nvidia Tesla T4تعداد هستهیک۵،۱۲۰۲،۵۶۰حداکثر فرکانس۱،۲۵۰ مگاهرتز۱،۵۳۰ مگاهرتز۱،۵۹۰ مگاهرتزFP16 TFLOPS۲۰۵۱۲۵۶۵INT8 TOPS۱،۰۰۰۲۵۰۱۳۰کش (تراشه)L1 ۲۲۰ مگابایت۱۰/مگابایت۲ ۶ مگابایتحافظه ی اضافهندارد۳۲ گیگابایت HBM2۱۶ گیگابایت GDDR6برق مصرفی۳۰۰ وات۳۰۰ وات۷۰ واتفرایند تولید۱۴ نانومتری۱۲ نانومتری۱۲ نانومتریابعاد قالب۷۲۵ میلی متر مربع۸۱۵ میلی متر مربع۵۴۵ میلی متر

مربع از مزیت های TSP می توان به تجهیز بوسیله ذهن ی کش L1 اشاره. کرد البته کارت های مذکور، تنها همین توان افزایش را دارند و چنانچه یک شبکه ی عصبی، توسعه فاش کرده و داده های ورودی بیشتری دریافت کند، قطعا با مشکل روبه رو می. شوند درمقابل، کارت های انویدیا مجهز بوسیله چندین گیگابایت حافظه هستند که تکثیر ابعاد و ورودی های شبکه ی عصبی را اداره دهی می.

کند درون مجموع می توان TSP را یک ابزار پیشدستی کردن دهی کاملا کم قیمت در حوزه ی هوش جعلی. دانست محصول گراک در بسیاری از وظایف، انویدیا Tesal V100 را شکست می دهد، اما اگر فرایند کاری هوش قلابی متنوع باشد، نبوغ های TSP محدود خواهد. شد TSP قطعا درون مرزوبوم هایی همچون خودروهای خودران، مصرف. دارد تو این مملکت ها، ظرفیت داده ی ورودی محدود و زیبنده پیش دماغ است و شبکه ی عصبی به خوبی استعداد هماهنگی. دارد در چنین کاربردهایی، تأخیر پایین تر ۳۲۰ یکسانی TSP نسبت به انویدیا، منجر بوسیله پاسخ گویی تند پر حرارت خودروی هوشمند می. شود شتاب دهنده ی سابق الذکر حالا ازطریق شبکه ی ابری Nimbix درون اختیار مشتریان خاص قرار.دارد بیشتر:بخوانید فناوری Fine Wine و تأثیر بوسیله سزای آن روی اجرای بهتر Doom Eternal با کارت های قدیمی AMDساخت یک سامانه ی شبیه ساز واقع گرا بوسیله دست محققان MIT بخاطر آموزش خودروهای خودرانانویدیا فناوری گرافیکی DLSS.2 0 را معرفی کردپشتیبانی از رهگیری پرتو مبتنی بر Nvidia RTX به Vulkan API افزوده شدعرضه احتمالی پردازنده گرافیکی انویدیا امپر درون فصل چهارم سال

فهمیدن بدلی چگونه می تواند همه گیری های بعدی را پیش از شروع ایستا کند؟

درونSGHAROOOONSGHAROOOON فصل آنفلوانزای امسال جهیز امن بسیاری از انسان بوسیله شدت درحال فعالیت وجود. براساس گزارش مرکز کنترل و پیشگیری بیماری (CDC)، تو ماه های اخیر در معلول ابتلا به آنفلوانزا، متجاوز از ۱۸۰ هزار آمریکایی در بیمارستان علیل شده و ۱۰ هزار نفر نیز از گیتی رفتند. این داخل حالی است که ویروس کرونا همچنین با سرعت نگران کننده ای درحال پیشروی در مناطق مختلف گیتی است. اضطراب از شیوع ویروس کرونا حتی موجب شد کنگره ی جهانی موبایل در بارسلونا لغو شود. اما درون آینده ی نزدیک، استفاده از فهم ساختگی برای تولید واکسن و دارو می تواند به مهار بلای ناگهانی قبل از اینکه دگرگونی بوسیله همه گیری جهانی شود، کمک درنگ.

طرز های متداول توسعه دوا و واکسن متجاوز ناکارآمد هستند. پژوهشگران تو آزمایشگاه ها چندین سال، به طور مداوم مبتلا آزمایش مولکول های کاندیدا و آزمون و خطای روش های مختلف هستند. براساس گزارش مطالعه ای که در سال ۲۰۱۹ منتشر شد، توسعه ی یک تداوی دارویی به طور متوسط خرج ای برابر ۲/۶ میلیارد دلار دارد (بیش از دو طبق خرج ی سال ۲۰۰۳) و عزب حدود ۱۲ درصد از داروهایی که وارد کارآزمایی های بالینی می شوند، تایید سازمان غذا و دارو را می گیرند. دکتر اوا ماریا اﺳﺘﺮاوچ، استادیار علوم دارویی و زیست پزشکی دانشگاه جورجیا گفت:واقعا ۵ تا ۱۰ سال طول می کشد تا FDA دارویی را پسند یواش.

اگرچه بوسیله دستیار جهیز های تدریس ماشین، پژوهشگران مرزوبوم ی زیست پزشکی می توانند اساسا کود ی آزمون و خطا را اختصار کنند. پژوهشگران به جای اینکه به طور مداوم تداوی های احتمالی را به قیافه دستی امتحان کنند، می توانند از سیستم هوش تقلبی مصرف کنند تا مولکول ها و ترکیبات موجود در یک گیرایی بزرگ داده را جستجو کرده و آن ها را براساس ظن اثربخشی با قاعده یواش. جاشوا اسوامیداس، متخصص بیولوژی محاسباتی در دانشگاه واشنگتن در سال ۲۰۱۹ داخل مصاحبه با The Scientist گفته وجود:بسیاری از سوالاتی که پیش روی تیم های توسعه ی دوا است، دیگر از آن سنخ سوالاتی زدودن که مردم فکر می کنند بتوان ازطریق مرتب کردن داده ها در حافظه خود، پاسخ آن را جلوه گر کنند. به منظور جستجوی داده ها و پاسخ دادن به سوالات و کسب دانش داخل بنیان ی چگونگی ایفا کارها، باید از روشی سیستماتیک استفاده کرد.

داروی تربینافین را درنظر بگیرید. تربینافین یک داروی ضدقارچ خوراکی است که برای تداوی برفک در سال ۱۹۹۶ با نام تجاری لامیفیل هوشیار بازار شد. طی مدت سه سال، چندین نفر گزارش کردند که در اثر مصرف دارو دچار مالیات جانبی شده اند و تا سال ۲۰۰۸ سه گانه نفر به تفکر مسمومیت کبدی از جهان رفته و ۷۰ نفر نیز بیمار شده بودند. پزشکان دریافتند که یکی از متابولیت های تربینافین (TBF-A) A علت آسیب کبدی بوده است ولی درون آن زمان هوشیار نشدند که متابولیت مذکور چگونه تو بدن تولید می. شود به این ترتیب، این دست خط متابولیکی به مدت یک دهه بخاطر جامعه پزشکی همچنان یک لغز حیات تا اینکه در سال ۲۰۱۸، نالی دانگ از دانشگاه واشنگتن یک سیستم هوش بدلی را درزمینه ی مسیرهای متابولیکی آموزش داد تا سامان بتواند مسیرهای احتمالی را که در آن جگر می تواند تربینافین را به-A TBF A بشکند،. پیدا کند ظاهرا ایجاد متابولیت سمی یک فرایند دو جنین ای بوده که نمره تجربی یکی از مراحل آن بسیار مشکل است اما قابلیت تشخیص الگوی درک قدر یا بهای چیزی مصنوعی به آسانی آن را پیدا. می نرم خلال ۵۰ سال گذشته، زیاد از ۴۵۰ دوا از بازار بیرون شده اند که سبب آن در بیشتر موارد، مسمومیت کبدی.بوده است مقاله:های مرتبط ساخت نخستین واکسن طراحی شده به وسیله درایت مصنوعیهوش تقلبی به نمره بهتر بیماری روانی کمک می کندهوش تقلبی می تواند بهتر از پزشکان، بیماری اطفال را

تشخیص دهد در همین راستا سازمان غذا و دوا وبسایتی مادون.عنوان Tox21 gov دارد که یک پایگاه داده آنلاین متشکل از مولکول ها و سمیت نسبی آن ها دربرابر پروتئین های مختلف. انسانی است پژوهشگران امیدوارند با آموزش یک سیستم هوش مصنوعی با استفاده از این مجموعه داده ها، بتوانند سریع تر این موضوع را مشخص کنند که آیا یک درمان بالفعل می تواند موجب بروز عوارض. جانبی شود سام مایکل، مدیر ارشد فناوری داده ها مرکز ملی Advancing Translational Sciences که به ایجاد این شان داده کمک کرده:است، گفت ما درون گذشته با یک چالش اساسی رو بوسیله رو: بوده ایم آیا می نبوغ سمیت ترکیبات را از قبل پیش بینی کرد؟ این دقیقا برعکس کار کننده است که ما در الک گری یک مولکول کوچک بخاطر داروسازی انجام. می دهیم ما نمی خواهیم یک هدف دارویی صریح کنیم بلکه می خواهیم احتمال سمی بودن ترکیبات را.

روشن کنیم سیستم های هوش ساختگی می توانند بوسیله مدل سازی واکسن بهتری برای بیماری هایی مانند آنفلوانزا نیز. کمک کنند در سال ۲۰۱۹، پژوهشگران دانشگاه فلیندرز استرالیا از هوش ساختگی برای استحکام یک واکسن آنفلوانزای معمولی استفاده کردند که بدن خلال مواجهه با آن غلظت های بالاتری از آنتی بادی ها.

تولید بطی ء البته ازنظر متخصص این روش زدودن که بدون دخالت پژوهشگران، فهم مصنوعی به خودی خود یک واکسن را از اول تا عاقبت. طراحی کند پژوهشگران اسیر استیناف یادشده، تحت هدایت نیکولای پترووسکی، استاد پزشکی دانشگاه فلیندرز، اول الگوریتمی به نام (AI Sam الگوریتم) جستجوی. لیگاندها ساختند این الگوریتم با شعار تمایز میان مولکول هایی که دربرابر آنفلوانزا موثر هستند، از مولکول هایی که اثری ندارند، آموزش. داده شد در ادامه، پروگرام ی دومی برای ابداع تریلیون ها ترکیب کیمیایی آموزش دید و داده های خراج از آن با استعمال از (الگوریتم شروع) AI Sam مورد تجزیه و تفریق. قرار گرفت درون این مرحله، الگوریتم باید برملا می کرد که آیا ترکیبات پیشنهادی دربرابر آنفلوانزا تاثیری دارند. یا خیر به این ترتیب، ترکیبات افضل انتخاب شدند و پژوهشگران آن ها را تو. آزمایشگاه ساختند پس از آن، آزمایش های جانوری انجام شد و نتایج نشان داد که واکسن تقویت شده نسبت به واکسن پیشین که این طور فرایندی را نگذرانده بود،.

موثرتر است با آغاز سال جدید میلادی، کارآزمایی های انسانی ابتدایی در کشور آمریکا شروع شد و انتظار می رود که حداقل تا ۱۲ ماه ادامه. داشته باشد چنانچه روند تایید واکسن با مشکلی مواجه نشود، واکسن استحکام شده می تواند طی دو سه سال در دسترس یکسره. فراغت گیرد این مدت زمان بخاطر واکسنی که توسعه ی آن دو سال زمان (بازداشت است نسبت به حالت معمول که ۵ تا ۱۰ سال طول)می کشد ،.

ناپسند نیست درحالی که سیستم های تحصیل سامان می توانند مجموعه داده های مجلل را بسیار زننده پر حرارت از پژوهشگران بیولوژی مورد جستار راحتی داده و برآوردهای دقیق لطافت حاضر کنند و نیز ارتباطات باریکه میان اجزا را درنظر بگیرند، درون آینده ی نزدیک نیز انسان ها همچنان در حلقه ی ترقی ی دوا حضور. خواهد داشت یک دلیل آن است که چه کسی می خواهد تمام داده های آموزشی مورد نیاز بخاطر آموزش سیستم فهم مصنوعی را جمع آوری، ترکیب، سازماندهی، سیاهه بندی و برچسب

گذاری کند؟ حتی زمانی که جهیز های یادگیری ماشین کارآمدتر می شوند، اگر از داده های مورب خواه معیوب استفاده شود، پایدار مثل دیگر جهیز های شعور مصنوعی، نتایج بهینه ای حاصل. نخواهد شد دکتر چارلز فیشر، بنیان گذار و.مدیرعامل Unlearn AI درون ماه:نوامبر نوشت بسیاری از کلکسیون داده هایی که درون پزشکی مورد استفاده صبر می گیرد، عمدتا مربوط به جوامع سفیدپوست اروپا و آمریکای. شمالی است اگر پژوهشگری درس ماشین را درمورد یکی از این مجموعه داده ها بوسیله کار ببرد و یک نشانگر زیستی را برای پیش بینی پاسخ بوسیله تداوی خاصی کشف کند، هیچگاه تضمینی وجود ندارد که آن نشانگر در جمعیت های متفاوت نیز بوسیله.

امر آید فیشر وصیت می کند که برای مقابله با تاثیر اریب داده ها روی نتایج از مجموعه داده های بزرگ تر، نرم افزارهای پیشرفته برنده و کامپیوترهای قدرتمندتر. استفاده شود جیل بکر، مدیر عامل باهم اتحاد کردن Kebotix نیز در این باره چنین تشریح داده است که یکی دیگر از «اجزای مهم، داده» های. پاک است این استارتاپ برای نقشه کشی و توسعه ی مواد کمیاب و شیمیایی، از هوش مصنوعی درکنار رباتیک استعمال. می بطی ء دوشیزه:تشریح انصاف ما سه گانه حقیقت. داده داریم می توانیم داده های خود را… تولید کنیم مثلا هنگام محاسبات نیم تجربی، همچنین آزمایشگاه هایی را بخاطر تولید داده ها داریم و درکنار این ها، داده های خارجی نیز. وجود دارند داده های خارجی می تواند از (مجلات باز) دسترسی آزاد خواه اشتراکی و همچنین از ثبت اختراعات و شرکت های پژوهشی حاصل شود ولی صرف نظر از منبع، ما زمان زیادی را صرف کردن پاک سازی داده ها.

می کنیم مایکل همچنین داخل این:باره گفت درمورد این مدل ها، اطمینان از اینکه داده ها از فراداده های مناسبی برخوردار هستند، بسیار (خطیر: است فراداده گروهی از داده ها که ویژگی های داده های دیگر را وصف). می کنند این مساله به خودی خویشتن ائتلاف نمی افتد و باید بخاطر آن. تلاش کنید این کار سخت است بمنظور گران و زمان.به خشکی امدن است:بیشتر بخوانید واکسن ویروس کرونا؛ شروع کارآزمایی ها و پنج سؤال اساسیشرکت مادرنا آزمایش واکسن کرونا را درون آمریکا آغاز کردچگونه کلیه جعلی و دیالیز مینیاتوری جان میلیون ها مردم را نجات خواهد داد؟چرا هوش ساختگی هنوز توانایی درک وابستگی علت و معلولی را ندارد؟بیمار لندن هویتش را فاش کرد؛ با دومین بی نظیر نجات یافته از HIV

درایت قلابی و اشتغال های مرتبط با آن، دوران رو به رشدی تجربه می کنند

دانشگاه استنفورد مؤسسه ای متمرکز کنار تحقیقات درک قدر یا بهای چیزی مصنوعی دارد که سالانه آماری از وضعیت فناوری های مرتبط منتشر می نرم. در گزارش امسال می خوانیم شغل های مرتبط با ادراک جعلی در سطر رشد قرار دارند و ظرفیت سیستم های مبتنی به خشکی امدن درک قدر یا بهای چیزی قلابی نیز روند رو به رشدی تجربه می نرم. همچنین، سرعت پیاده سازی هوش مصنوعی در کاربردهای کسب وکاری وضعیت مقبولی دارد. امروزه می نبوغ الگوریتم پردازش تمثال را در کمتر از یک دقیقه آموزش داد؛ درحالی که چند سال قبل بخاطر این فقره به چندین ساعت زمان نیاز داشتیم.مقاله های مرتبط:شعور مصنوعی زبر پیشرفته؛ تهدیدی بزرگ بخاطر آینده بشرچرا فهم ساختگی هنوز به اندازه حیوانات باهوش نیست؟

مؤسسه ی فهمیدن مصنوعی متمرکز بر نیروی انسانی (Human-Centered Artificial Intelligence Institute) در دانشگاه استنفورد با پراکندن گزارش سالانه، شرایط شعور قلابی و فناوری های مرتبط را بررسی می کند. گزارش های سالانه به معاون مؤسسه ی جهانی مک کنزی منتشر می شوند. شاخص AI Index یکی از بخش های پا بر جا گزارش سالانه است که نمو هوش مصنوعی را با بررسی متریک های بی شمار محاسبه می کند.

از میان شاخص های گزارش سابق الذکر می توان به تعداد مقاله های منتشرشده در حوزه ی درک قدر یا بهای چیزی ساختگی و تعداد پتنت های ثبت شده و نرخ استخدام متخصصان این حوزه اشاره کرد. با بررسی ی گزارش ۲۹۰ صفحه ای مؤسسه ی استنفورد، نکات مهمی بوسیله دست می آید که درادامه به آن ها رمز می کنیم.حضور در کنفرانس های مرتبط با فهمیدن مصنوعی

یکی از متریک های اساسی اندازه گیری نمو فناوری هوش مصنوعی، میزان حضرت در کنفرانس های فهم مصنوعی برای افراد تازه فرمان است. ارج سابق الذکر درون سال گذشته روند صعودی خلال کرد که نمو ادامه دار را درمقایسه با سال های گذشته نشان می دهد. در سال ۲۰۱۹، مبصر ترین میتینگ هوش مصنوعی موسوم به NeurIPS، حدود ۱۳،۵۰۰ شریک شدن کننده داشت که درمقایسه با سال ۲۰۱۸، رشد ۴۱ درصدی تجربه می کرد. آمار مذکور نمو ۸۰۰ درصدی را درمقایسه با سال ۲۰۱۲ علامت می دهد. کنفرانس هایی همچون AAAI و CVPR نیز شاهد رشد ۳۰ درصدی انبازی کنندگان بودند.اشتغال های مرتبط با شعور مصنوعی

یکی از متریک های بنیادی دیگر در معادل گیری نرخ رشد هوش مصنوعی، تعداد فرصت های شغلی است که بخاطر این مرزوبوم ظهور معین می کنند. در شاخص امسال، این متریک همچنین شرایط روبه رشدی را نشان می دهد. آمار فرصت های استخدامی جدید از سال ۲۰۱۵ تا ۲۰۱۹ در آمریکا، رشد پنج برابری را درمقایسه با سال ۲۰۱۰ مدال می دهد. فرصت های استخدامی شعور قلابی از ۰/۲۶ درصد نسبت بوسیله بی مو شغل ها، به ۱/۳۲ درصد افزایش یافته است. آمار مذکور با بود اندک بودن درصد درمقایسه با طاس فرصت های شغلی، تنها مدال دهنده ی فرصت های مستقیم بوده اند که با توسعه ی فناوری درایت بدلی مرتبط هستند. درواقع با درنظرگرفتن نرخ نمو شغل هایی که از هوش مصنوعی یکروز می برند، آمار فرصت ها بیشتر غصه می شود.

یادگیری ماشین بیشترین فرصت های شغلی را بوسیله خود اختصاص می دهد

در میان گروه بندی های موجود در فرصت های شغلی مرتبط با هوش مصنوعی، تدریس ماشین با آمار ۵۸ درصدی داخل صدر صبر دارد. در رتبه های بعدی فرصت های شغلی، هوش مصنوعی (۲۴ درصد) و یادگیری عمیق (۹ درصد) و پردازش کلمه طبیعی (۸ درصد) قرار دارند. درس عمیق بیشترین سرعت ارج رشد را به خویشتن اختصاص انصاف و از سال ۲۰۱۵ تا ۲۰۱۸، تعداد فرصت های شغلی آن ۱۲ برابر شد؛ درحالی که شعور قلابی در همین دوره رشد پنج برابری را تجربه کرد. آمار رشد فرصت های شغلی یادگیری ماشین و پردازش اصطلاح طبیعی نیز بوسیله ترتیب پنج و دو موافق گزارش می شود.ظرفیت پردازش

شاخص گزارش هوش جعلی علامت می دهد قانون مور در بحث پردازش مرتبط با شعور قلابی آن چنان موفق ازاله و ظرفیت پردازشی که داخل فهم قلابی استفاده می شود، تو سال های اخیر پیشرفت چشمگیری تجربه کرد. تا پیش از سال ۲۰۱۲، قدرت پردازش در حوزه ی ادراک مصنوعی از روال مور تبعیت می کرد و هر دو سال، دوبرابر می شد. از سال ۲۰۱۲ به بعد، هر سه چهار ماه، شاهد دوبرابرشدن ظرفیت پردازشی بودیم که نمو سرسام آور ۳۰۰ هزاره یکسانی را برای این سال ها مدال می دهد. درمقابل، ساختار قانون مور که پیشرفت دوبرابری را درون هر دو سال پیش بینی می کرد، عزب هفت طبق رشد را از ۲۰۱۲ تا ۲۰۱۹ مدال می دهد.زمان آموزش

در سال های اخیر، زمان موردنیاز برای آموزش الگوریتم شعور مصنوعی پیشرفت درخورتوجهی تجربه کرد. زمان آموزش کنونی هر الگوریتم تشخیص شمایل داخل زیرساخت ابری درمقایسه با دو سال گذشته به حدود یک صدو هشتادم گویا است. دو سال پیش ، آموزش چنین جهیز هایی بوسیله سه گانه ساعت زمان احتیاج داشت؛ درحالی که آمار ژوئیه ی سال ۲۰۱۹، زمان ۸۸ ثانیه را نشان می دهد.

ترجمه ی ماشینی تجاری

یکی از شاخص های ترفیع هوش مصنوعی را می توان در ترجمه ی ماشینی تجاری مشاهده کرد. تعداد جهیز های موجود ماشینی که مدل های آموزش دیده و API اشتراکی دارند، با سرعت فراوانی رشد کرده است. در سال ۲۰۱۷، فقط هشت سیستم وجود داشت که در سال ۲۰۱۹ به ۲۴ سیستم رسید. جهیز های کنونی قابلیت های بیشتری نیز دراختیار کاربران راحتی می دهند. به نشانی مثال، می استعداد به نمونه های کاربردی پیش آموزشی ساختن استاندارد ها و سامان های عام با داده های شخصی و ترقی ی پشتیببانی از ترمینولوژی اختصاصی اشاره کرد.سررشته کامپیوتری

یکی دیگر از بنچمارک های مهم ترفیع فهمیدن قلابی با شمارش ی مداقه تشخیص تصویر تجسس می شود. شاخص گزارش اخیر با مطالعه ImageNet و دیتاست اشتراکی شامل زیاد از ۱۱۴ میلیون تصویر آمار چشمگیری منتشر کرد. شایان ذکر است دیتاست اشتراکی مذکور با هدف برطرف کردن مشکل افت داده های آموزشی در مذاکره بینایی کامپیوتری توسعه یافت. درون گزارش اخیر، دقت معارفه شمایل جهیز ها ۸۵ درصد گزارش شد که درمقایسه با مداقه ۶۲ درصدی در سال ۲۰۱۳، پیشرفت مهمی محسوب می شود.

پردازش واژه طبیعی

سیستم های هوش مصنوعی روز به روز هوشمندتر می شوند. آن ها امروز تا حدودی پاسخ گویی سطح پایین انسانی را داخل پردازش واژه طبیعی شکست می دهند؛ درنتیجه، استانداردهای قوی تری نیز امروز برای بنچمارک سیستم های درایت مصنوعی بود دارند. به عنوان مثال، می توان به بنچمارک GLUE خواه General Language Understanding Evaluation اشاره کرد که در سال ۲۰۱۸ منتشر شد. این بنچمارک توانایی هوش تقلبی را در حجم های پردازش متن مطالعه می کند.

شاخص گزارش کنونی توقع می درنگ داخل ژوئن ۲۰۱۹، مرز بین سیستم های کامپیوتری در دریافتن اصطلاح طبیعی و نیروی انسانی غیرمتخصص شکسته شده شد. درواقع، کارایی سیستم های ادراک مصنوعی به حدی تکثیر یافت که رهبران صنعتی ملزم به نمایش ی بنچمارک های حرفه ای زیرفون شدند؛ درنتیجه، SuperGLUE منتشر شد که پس از عبور اقتدار سیستم های ادراک ساختگی از وارسی های GLUE، استفاده پیدا کرد.

شرایط کنونی شعور مصنوعی و خوش نویسی پیش روی آن نشان می دهد آینده ی روشنی تو خواهش صنعتی خواهد وجود. پیاده سازی سیستم های هوشمند با سرعت سریعی پیش می رود و شاید تنها نگرانی اشغال فرصت های شغلی به وسیله ی هوش قلابی باشد که آن هم راهکاری جز آموزش احاطه های اختصاصی انسانی به نیروی انسانی ندارد.بیشتر بخوانید:چرا هوش جعلی هنوز اقتدار درک ارتباط موجب و معلولی را ندارد؟کشف آنتی بیوتیک های قدرتمند به کمک ادراک مصنوعیهوش مصنوعی چگونه می تواند همه گیری های اتیه را پیش از شروع متوقف کند؟قوانین فیزیک به کمک هوش مصنوعی می آیندهوش مصنوعی چیست؟ هر آنچه باید درباره فناوری مرموز و جذاب امروز بدانیم

فیسبوک پخش و انتشار ویدئوهای دیپ فیک را ممنوع کرد

ویدئوها و تصاویر دیپ فیک با مشت مربوط به طبقه کارگر و زحمتکش محتوا امکان انتشار محتوای غلط و بدلی را فراهم می کند. همین موضوع سبب شده درون آستانه ی انتخابات ایالات متحده، فیسبوک بخاطر توقف این استیل ویدئوها دست بوسیله حکم شود و پخش و اشاعه ویدئوها و تصاویر دیپ فیک را ممنوع نرم. فیسبوک تو وبلاگ خود تصنیف است حذف محتواهای مشکوک و دست مفید شده را مقدمه کرده است. همچنین محتواهای ویدئویی یا تصاویر طراحی شده به معاون هوش مصنوعی یا الگوریتم های یادگیری سامان را از تمامی شبکه های اجتماعی خویشتن حذف می کند. این محتواها ویدئوهای طنز و ویدئوهایی را شامل نمی شود که کلمات آن حذف خواه اصلاح شده است.  

این تغییر سیاست پیش از جلسه ی کمیته ی کارمایه و بازرگانی محفل نمایندگان ایالات متحده در پیش گرفته شده و در آن، قرار است مونیکا بیکرت، مدیر سیاست گذاری بین المللی فیسبوک،  درمقابل نمایندگان مجلس مجهز شود و درباره ی این روال صحبت کند.

ممنوعیت پخش و اشاعه محتوای دیپ فیک زمانی مطرح شد که ویدئو بدلی از نانسی پلوسی، رئیس محفل نمایندگان آمریکا، در فیسبوک بازنشر شد و کاملا مانند به واقعیت بود. پس از این ائتلاف بسیاری اخبار کردند با وجود این ویدئوها، صحت اخبار کمپین های انتخاباتی دچار وسواس و تردید می شود. فیسبوک بابت ترویج این ویدئو بازخواست شد؛ اما پاسخ مدیرانش این بود که پاشیدن ویدئو مذکور با قوانین فیسبوک هماهنگ است.  

باوجوداین، تلاش ها به سرانجام روان و ممنوعیت نشر ویدئوهای دیپ فیک بوسیله فیسبوک آمده است؛ هرچند محتوی حال ویدئو نانسی پلوسی نمی شود؛ مربوط به گفته می شود ویدئو منتشرشده ازطریق فهم تقلبی ساخته نشده است و تنها با چند درنگ افزار ویرایش فیلم و با کنارهم چیدن سخنرانی های مختلف این سیاست مدار طراحی شده است.مقاله های مرتبط:ویدئویی از دیپ فیک که چهره ۲۰ بازیگر را به انعام شبیه سازی می کنددیپ فیک چیست؛ وقتی مرزی بین ذات و کذب پایا نمی ماند

ممنوعیت نشر محتوای دیپ فیک فقط شامل حال فیسبوک نمی شود و سایر باهم اتحاد کردن ها نیز کمینه ناچیز داخل حال تنظیم قوانینی درباره ی منع انتشار آن هستند. توییتر ازجمله شبکه های اجتماعی است که پیش از فیسبوک درون سیاست های خود برای مقابله با دیپ فیک بازنگری کرده بود. ویدئوهای دیپ فیک در انتخابات ریاست جمهوری ایالات متحده می تواند سرنوشت ساز باشد و به کمپین های تبلیغاتی بخاطر ساخت ویدئوهای مصنوعی و تخریب سایر نامزدها معاون بطی ء.

دیدگاه شما درباره ی دیپ فیک چیست؟ آیا باید نگران انتشار محتواهای دروغ درون شبکه های اجتماعی به دستیار فهم مصنوعی باشیم؟بیشتر بخوانید:فیسبوک اجازه دسترسی بوسیله حالت تاریک را به کاربران دسکتاپ دادچگونه از حریم خصوصی خود درون اینستاگرام محافظت کنیم؟ارزش سهام اپل در یک روز تقریبا هشت درصد سقوط کردفیسبوک موقتا اعلان ماسک پزشکی را ممنوع می کندفیسبوک الگوریتم هوش مصنوعی برای شناسایی و حذف شمار های کاربری مصنوعی ترقی داد

ایالات متحده از اعمال محدودیت پهلو نرم افزارهای هوش مصنوعی اطلاع داد

ایالات متحده، فردی های جدیدی را بر صدور برخی برنامه های هوش مصنوعی به آن سوی مرزها بوسیله ویژه رقیب خود، چروک در رویت اندوهناک است. فردی یادشده که دیروز اجرایی شدند، مقدماتی فردی از مصوبه ی اصلاح کنترل صادرات یا ECRA هستند که در سال ۲۰۱۸ تصویب شدند. بوسیله این تزیین شانس باید تو جهت امنیت ایالات متحده، صادرات فناوری های عجیب را به خاص در مملکت ی فهم مصنوعی عرشه کنترل درآورد. این خبر مبدا توسط رویترز گزارش شد.

با معرفی ECRA درون سال ۲۰۱۸، بعضی شریک شدن های فناوری از آسیب های احتمالی این روال به هوش تقلبی سراسیمه شدند؛ مربوط به ادراک جعلی به شدت بوسیله عوض ی استیناف و برنامه های تجاری برون مرزی وابسته است. اگرچه ایالات متحده درون بنیاد ی هوش بدلی در کچل جهان پیشتاز بوده، اما چین بی آرامی رتبه ی دوم را بوسیله خویشتن خاص داده و بوسیله سرعت در حال صعود است.

 نرم افزار مجهز بوسیله درک قدر یا بهای چیزی قلابی Descartes Labs به صورت خودکار می تواند اشیا و نواحی ذی نفع را برچسب گذاری درنگ

از طرفی قانون جدید صادرات به شدت محدود است و صرفا محتوی کند افزارهایی می شود که از شبکه های تندخو (مؤلفه ی کلیدی یادگیری ماشین) برای کشف نقاط موردنظر مثل خانه ها یا ادوات نقلیه در تصاویر جغرافیایی استفاده می کنند. بوسیله نقل از دفتر صنعتی و امنیت وزارت بازرگانی آمریکا، محدودیت فوق عزب بر نرم افزارهای مجهز به واسطه ی کاربری گرافیکی اعمال می شود (قابلیتی که استفاده از برنامه برای کاربران غیرحرفه ای را آسان زیرفون می سازد). بوسیله گزارش رویترز، شریک شدن ها برای خرید نرم ادوات بوسیله کشورهای دیگر (بوسیله غیر از کانادا) باید درخواست لایسنس دهند.

ایالات متحده داخل گذشته هم محدودیت های تجاری دیگری را پیاده شدن دنیای درک قدر یا بهای چیزی جعلی اعمال کرده وجود. یکی از این موارد، اعمال محدودیت به خشکی امدن دایره های آمریکایی است که با مشارکت های چینی تولیدکننده ی کند افزار و سخت ابزار تجسس فهم جعلی به شرکت می پردازند. استفاده از تدریس سامان برای پردازش تصاویر جغرافیایی، عمل رایجی است. ماهواره هایی که از هوا بوسیله عکس برداری از زمین می پردازند، انبوهی از داده ها را تولید می کنند. با فناوری یادگیری سامان می نبوغ به سرعت به پرچم گذاری تصاویر موردنظر برای ناظران انسانی صیقل.مقاله های مرتبط:نبوغ یادگیری ماشین در اپلیکیشن ضبط صدای گوگلبا «سنتینت»، عدد مصنوعی درحال ترقی بخاطر اهداف جاسوسی آشنا شوید

برنامه های ادراک بدلی برای طیف گسترده ای از کاربران بافایده هستند. فعالان محیط زیست می توانند از این فناوری بخاطر نظارت پهلو گشادگی آتش سوزی استفاده کنند، تحلیلگران مالی می توانند از آن بخاطر پیگیری حرکت کشتی های باربری از بندر و ایجاد معیاری برای حجم معاملات استعمال کنند.

از طرفی نرم افزارهای هوش تقلبی برای درایت نظامی هم جلال زیادی دارند. بخاطر مثال، ایالات متحده درحال توسعه ی اسباب تحلیلی فهمیدن ساختگی به شهرت سنتینل است که ناهنجاری های موجود در تصاویر ماهواره ای را هویدا می کند؛ نیز حرکت های موشکی و گند پیاده را پرچم گذاری می کند یا مناطق پیشنهادی تحلیگرهای انسانی را بادقت بررسی می درنگ.

صرف کردن نظر از اهمیت درنگ افزارهای یادشده، بعید است ویژگی های ایالات متحده تأثیر چندانی به خشکی امدن چروک یا دیگر رقبای توسعه دهنده ی این ابزارها داشته باشد. اگرچه برنامه های مشخصی محدود می شوند، دسترسی آنلاین و آزاد به منابع پژوهشی در سراسر وب امکان پذیر خواهد حیات و مهندسان می توانند از این منابع برای بازسازی هر نوع نرم افزاری مصرف کنند.

بوسیله نقل از رویترز، گرچه اعمال انفراد می تواند بر صادرات ایالات متحده تأثیر بگذارد، مقام های آمریکایی می توانند دیگر کشورها را به ادامه روی از این قانون تشویق کنند که استاندارد ی آن اعمال فردی به خشکی امدن فناوری 5G شرکت هواوی بود. قوانین محدودکننده ی آینده می تواند بر گوناگون بیشتری از نرم افزارهای هوش بدلی تأثیر بگذارد.بیشتر بخوانید:چرا شعور قلابی هنوز توانایی حس رابطه جهت و معلولی را ندارد؟موفقیت دانشمندان در برقراری ارتباط میان نورون های زیستی و مصنوعیکشف آنتی بیوتیک های قدرتمند بوسیله معاون ادراک مصنوعیهکرها می توانند کنترل ماهواره ها را به دست گیرندهوش مصنوعی چگونه می تواند همه گیری های بعد اینده را پیش از شروع متوقف کند؟

استخدام در تسلا بوسیله داشتن مدرک تحصیلی نیازی ندارد

ایلان ماسک، ماخذ گذار تسلا و پی پال و اسپیس اکس، به رطوبت آگهی استخدامی درون ورقه ی توییترش منتشر کرده است و در آن، از تعلق مندان و متخصصان هوش مصنوعی بخاطر فرمان در تسلا طلبیدن به همکاری می کند. او ۱۳ بهمن داخل توییتی نوشت:نداشتن مدارک دانشگاهی، مانع همکاری شما با تسلا نخواهد بود.

رسیده بنیان گذار تسلا نیت دارد از توییتر برای استخدام نیرو تو بخش هوش قلابی شرکتش استفاده کند. او داخل توییت دیگری نوشت:به واحد فهمیدن مصنوعی تسلا بپیوندید! تیم درایت مصنوعی بوسیله طورمستقیم به من گزارش می دهد [و] تقریبا هرروز با بی آرامی جلسه می گذاریم یا ازطریق ایمیل و پیام در ربط هستیم.

نکته ی مهم این است که بخاطر همکاری با واحد هوش بدلی تسلا، به داشتن مدرک تحصیلی خاصی احتیاج نیست. ایلان ماسک در این باره می گوید:[برای این اشتغال] قطعا شما به سند دکترا احتیاج ندارید. برای من اهمیتی ندارد حتی چنانچه از مکتب هم فارغ التحصیل نشده باشید.

درعوض، به نظر می رسد او در خیز وجوی افرادی است که درک عمیقی از درک قدر یا بهای چیزی قلابی داشته باشند؛ چراکه این این طور اضافه می کند:[ بخاطر قبولی] داشتن پیش بنیاد ی تحصیلی ضروری نیست؛ اما داوطلبان باید آزمون دستور کار نویسی سفت و سختی بگذرانند.

مدیرعامل تسلا پیش از این نیز دیدگاه های خود درباره ی بی بزرگی بودن مدارک تحصیلی را اطلاع دادن کرده وجود. او در سال ۲۰۱۴ و در مصاحبه با یکی از ارگان های آلمانی کوشا در حوزه ی خودرو درباره ی ویژگی افراد استخدام شده ی خود گفته بود:از دیدگاه من، اصلا به داشتن سند دانشگاه و تا اینکه مدرسه نیازی وجود ندارد. اگر کسی از دانشگاه محترم فارغ التحصیل شده باشد، نشانگر این است که او استعداد اجرا کارهای اهمیت دارد؛ ولی ضرورتا این طور ازاله. اگر [به گذشته] افرادی مانند بیل گیتس و لری الیسون و استیو جابز نگاه کنید، می بینید این افراد به دانشگاه نرفته اند؛ پس قطعا فکر خوبی است اگر فرصت استخدام چنین اشخاصی را داشته باشید.

او داخل مصاحبه با این نشریه گفته بود به جای مدرک دانشگاهی، درون ضربان وجوی نشانه‎ هایی از نبوغ و اقتدار است. درحقیقت، تسلا درون جست وجوی افراد مستعدی درون زمینه ی فهم جعلی است تا به هدف بلندپروازانه اش، یعنی ساخت خودروهای خودران، جامه عمل بپوشاند. تو وب سایت این شریک شدن نیز، آمده است خودروهای تسلا در آینده بوسیله نعوظ تمام خودران خواهند بود و شاداب افزارهای استفاده شده ی فعلی مهیا به نرم افزارهای شقه خودران رایج احتیاج دارند به نعوظ مستمر بوسیله روز رسانی شوند تا اختتام بهره توانایی تبدیل به سیستمی کاملا خودران را داشته باشند.

دیدگاه شما درباره ی استخدام در شرکت های ارشد فناوری چیست؟ آیا فکر می کنید کارکنان شرکت های مبصر و پیشرو، لزوما باید بینش آموخته دانشگاه باشند؟بیشتر بخوانید:سه کارخانه فورد داخل اروپا به دلیل شیوع کرونا تعطیل شددستیابی تسلا به رکورد تولید یک میلیون دستگاه خودروی برقیجیلی برای بهبود ویژگی خودران خودروها ماهواره تولید می کندجذاب ترین خودروهای اسپرت برقی که به زودی تولید می شوندعربستان سهام خود تو تسلا را قبل از رشد ارج فروخته حیات